| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-10页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 本文的主要工作 | 第9-10页 |
| 第二章 基于群优化算法的聚类分析概述 | 第10-16页 |
| 2.1 聚类分析 | 第10-13页 |
| 2.1.1 聚类的定义及聚类分析算法的典型要求 | 第10-11页 |
| 2.1.2 聚类分析的方法及特征 | 第11-12页 |
| 2.1.3 聚类的相似性度量 | 第12-13页 |
| 2.2 基于群优化算法的聚类分析 | 第13-16页 |
| 2.2.1 群优化算法概述 | 第13-14页 |
| 2.2.2 基于群优化算法的聚类分析概述 | 第14-16页 |
| 第三章 基于聚集度改进的异化磷虾群算法 | 第16-25页 |
| 3.1 引言 | 第16页 |
| 3.2 标准磷虾群优化算法 | 第16-18页 |
| 3.3 基于聚集度改进的简化磷虾群优化算法 | 第18-20页 |
| 3.3.1 欧几里得距离和聚集度的定义 | 第18页 |
| 3.3.2 磷虾群算法的简化方法和基于聚集度的改进策略 | 第18-19页 |
| 3.3.3 一种改进的变异策略 | 第19页 |
| 3.3.4 算法流程 | 第19-20页 |
| 3.4 算法的实验分析 | 第20-24页 |
| 3.4.1 测试函数 | 第20-21页 |
| 3.4.2 算法的参数设置 | 第21-23页 |
| 3.4.3 算法的结果分析 | 第23-24页 |
| 3.5 本章小结 | 第24-25页 |
| 第四章 基于聚集度的改进粒子群优化算法 | 第25-33页 |
| 4.1 引言 | 第25页 |
| 4.2 标准粒子群优化算法 | 第25-26页 |
| 4.3 基于聚集度的改进粒子群优化算法 | 第26-28页 |
| 4.3.1 聚集度定义 | 第26页 |
| 4.3.2 基于聚集度的自适应阈值控制方法 | 第26-27页 |
| 4.3.3 基于聚集度的位置更新方法 | 第27页 |
| 4.3.4 算法流程 | 第27-28页 |
| 4.4 算法的实验分析 | 第28-32页 |
| 4.4.1 测试函数 | 第28-29页 |
| 4.4.2 算法的参数设置 | 第29-32页 |
| 4.4.3 算法的结果分析 | 第32页 |
| 4.5 本章小结 | 第32-33页 |
| 第五章 基于群优化的聚类分析法 | 第33-38页 |
| 5.1 引言 | 第33页 |
| 5.2 相关算法设计 | 第33-34页 |
| 5.3 基于异化磷虾群的K-均值聚类分析法 | 第34页 |
| 5.4 基于改进粒子群的K-均值聚类分析法 | 第34-35页 |
| 5.5 算法的实验分析 | 第35-37页 |
| 5.5.1 算法性能测试设置 | 第35-36页 |
| 5.5.2 算法结果分析 | 第36-37页 |
| 5.6 本章小结 | 第37-38页 |
| 第六章 全文总结与展望 | 第38-39页 |
| 6.1 本文主要工作总结 | 第38页 |
| 6.2 未来展望 | 第38-39页 |
| 参考文献 | 第39-43页 |
| 致谢 | 第43-44页 |
| 个人简介 | 第44页 |